Home » Individualus karvės DMI: nuo rodiklio iki verslo sprendimo
Šėrimas

Individualus karvės DMI: nuo rodiklio iki verslo sprendimo

karvių šėrimas
Foto Susanne Jutzeler, suju-foto iš pexels.com


Mindaugas Eidukaitis | Redakcinis straipsnis. 2026 m. rugsėjo pabaigoje paskelbtame tyrime buvo vertinama, kaip AfiCollar antkaklio elgsenos duomenis, pieno gamybos ir karvės būklės informaciją galima panaudoti prognozuojant individualų sausosios medžiagos suvartojimą (DMI). Svarbu: tai yra prognozė, o ne tiesioginis pašaro suvartojimo matavimas antkakliu.

„Pieno ūkis“ eksperto klausė ne apie paties algoritmo mokslinį validumą, o apie tai, ką toks duomenų sluoksnis galėtų reikšti pieno ūkio verslui ir vadovo sprendimams.

Nuo DMI prie individualios karvės ekonomikos

Komentuoja: Mindaugas Eidukaitis, UAB Agroinfo

Man čia įdomiausia ne pati technologija ir ne pati galimybė ekrane matyti prognozuojamą konkrečios karvės sausosios medžiagos suvartojimą. Man įdomu tai, kad atsiranda galimybė daug tiksliau pamatyti individualios karvės ekonomiką.

Pieno kiekį, sudėtį, reprodukciją, sveikatingumą mes jau seniai vertiname individualiai. Tačiau didžiausia pieno gamybos sąnaudų dalis – pašaras – dažniausiai vis dar vertinama grupės lygiu. Jeigu šitą dalį galime pakankamai patikimai priskirti konkrečiai karvei, tada keičiasi pats klausimas. Mes nebežiūrime tik „kiek ši karvė duoda pieno“, bet pradedame klausti: „kiek vertės ji sukuria iš sunaudoto resurso?“

Pirmas sprendimas – ne brokavimas

Todėl pirmas sprendimas, kurį tai pakeistų, mano nuomone, būtų ne brokavimas, o karvių ekonominio efektyvumo identifikavimas. Dvi karvės gali duoti panašų pieno kiekį, bet viena tam rezultatui pasiekti gali sunaudoti gerokai daugiau pašaro. Tada vadovui jau kyla kitas klausimas – kodėl taip yra? Ar tai genetika, sveikatingumas, reprodukcija, laktacijos etapas, grupavimas, racionas? Ir tik po to atsiranda sprendimas, ką su ta informacija daryti.

Didžiausią ekonominę vertę matau būtent tame, kad galime pradėti jungti kelis šiandien dažnai atskirai vertinamus dalykus – pašaro sąnaudas, pieno pajamas, reprodukciją, sveikatingumą, bandos struktūrą ir genetiką. Tada individualus DMI tampa ne vien pašarų rodikliu, o dar vienu labai svarbiu elementu sprendžiant, kokias karves norime dauginti, kokias laikyti bandoje, kaip jas grupuoti ir kur realiai prarandame pinigus.

Brokavimas čia būtų jau paskutinis žingsnis. Vien tai, kad karvė tam tikru momentu yra mažiau efektyvi, dar nereiškia, kad ją reikia brokuoti. Svarbu matyti tendenciją ir suprasti priežastį. Tačiau jeigu ilgainiui matome, kad viena karvė sistemingai sunaudoja daugiau resursų tam pačiam rezultatui pasiekti, tai jau tampa labai svarbia ekonomine informacija tiek brokavimo, tiek selekcijos sprendimams.

Kada rodiklis tampa valdymo įrankiu?

Man apskritai atrodo, kad pieno ūkių technologijos juda viena kryptimi – nuo vis daugiau duomenų prie vis geresnių sprendimų. Ūkininkui nereikia dar vieno KPI ar dar vienos kreivės ekrane. Duomenų ūkiuose jau dabar yra labai daug.

Todėl riba tarp įdomaus rodiklio ir pinigus uždirbančio įrankio man labai paprasta: ar iš šitos informacijos atsiranda konkretus veiksmas, kurio be jos nebūtume atlikę?

Jeigu sistema tik pateikia prognozuojamą karvės sausosios medžiagos suvartojimą, vertė ribota. Bet jeigu ji parodo, kad ši karvė arba ši karvių grupė pastarąsias savaites kainuoja ūkiui daugiau, nei turėtų, ir leidžia suprasti, kur ieškoti priežasties – tada tai jau valdymo įrankis.

Investicija į tokią technologiją, mano nuomone, ekonomiškai pagrįsta tada, kai galime pamatuoti jos poveikį: mažesnę pašaro savikainą vienam parduodamo pieno kilogramui, geresnį grupavimą, tikslesnius brokavimo sprendimus, geresnę selekciją ar didesnę pajamų dalį virš pašarų sąnaudų.

Galų gale man svarbiausias klausimas būtų ne „ar mes galime prognozuoti individualų DMI?“, o „kokį geresnį verslo sprendimą dėl to rytoj priims ūkio vadovas?“

Redakcijos pastaba dėl tyrimo ir interesų

Publikacijos faktinis pagrindas – Frontiers in Animal Science paskelbtas tyrimas apie AfiCollar pagrindu prognozuojamą individualų DMI. Tyrimo autoriai dirba „Afimilk“, tyrimą finansavo „Afimilk“, o algoritmas yra susijęs su bendrovės komerciniu produktu. Todėl tyrimo rezultatai ir gamintojo komerciniai teiginiai nėra tapatinami. Ekspertas patvirtino, kad profesinių, komercinių ar kitų ryšių su „Afimilk“ / AfiCollar neturi ir nėra turėjęs.

Šaltinis: Frontiers in Animal Science tyrimas.

Daugiau naudingų straipsnių apie pieno ūkio valdymą, šėrimą, veisimą, karves, Agro rinką.